NCBI | Taxonomy

https://blog.csdn.net/u011262253/article/details/95304930/
https://blog.csdn.net/songyi10/article/details/120667565

介紹

查詢某個物種的全部核酸序列和蛋白序列
查看某個物種的其他信息（蛋白結(jié)構(gòu)，基因，測序數(shù)據(jù)，相關(guān)文獻等）
Taxonomy 的相關(guān)數(shù)據(jù)下載

  1. gi_taxid 標(biāo)識的數(shù)據(jù)
  2. taxcat 標(biāo)識的數(shù)據(jù)
    以尼安德特人（taxid：63221）為例
  3. taxdump 標(biāo)識的數(shù)據(jù)

Taxonomy : NCBI公共序列數(shù)據(jù)庫中所有生物的策劃分類和命名法。目前包含地球上大概10%的物種。 我們現(xiàn)在查詢到底包含有有多少物種，進入統(tǒng)計頁面：?？梢钥吹讲煌姆诸愊碌姆植记闆r，總體包含有597658條物種信息。

一、查詢某個物種的全部核酸序列和蛋白序列

  1. 進入 NCBI 首頁，點擊Taxonomy，進入物種分類數(shù)據(jù)庫
  1. 進入 Taxonomy 首頁，輸入human，點擊Search
  1. 瀏覽該物種下的核酸序列或蛋白序列，直接點擊 Nucleotide 或者Protein

瀏覽核酸序列列表，數(shù)量遠遠超過了所預(yù)想的數(shù)量，因為這里包含的是與 Nucleotide 相關(guān)的該物種的信息

選擇左欄的Viruses切換顯示物種，可以看到有好多病毒的整合位點信息。你也可以點擊左欄來篩選其他你想要的信息，比如mRNA。

二、查看某個物種的其他信息（蛋白結(jié)構(gòu)，基因，測序數(shù)據(jù)，相關(guān)文獻等）

https://www.ncbi.nlm.nih.gov/Taxonomy/Browser/wwwtax.cgi?mode=Root

  1. 進入首頁，我們以人類為例：輸入human，點擊Go

2.點擊Homo sapiens

  1. 會看到在NCBI中關(guān)于人類的目前幾乎全部的生物數(shù)據(jù)。左欄顯示人類拉丁名Homo sapiens，Taxonomy編號為txid9606，基因密碼子表，線粒體密碼子表等。

右欄展示與人相關(guān)的數(shù)據(jù)，常用的包括

  • Nucleotide: 核酸序列
  • Protein: 蛋白序列
  • Structure: 蛋白結(jié)構(gòu)（大部分來源于PDB數(shù)據(jù)庫）
  • SNP: 單位點突變數(shù)據(jù)
  • GEO Datasets/SRA Experiments/GEO Profiles: 用于儲存公共測序數(shù)據(jù)，這個包含之前的芯片數(shù)據(jù)，也有目前大部分的高通量測- 序
  • PubMed Central: 文獻
  • Gene: 基因信息
  • Taxonomy 編號在查詢和標(biāo)注信息時候常常用到，比如，在Nucleotide中查詢現(xiàn)代智人的時候：

三、Taxonomy 的相關(guān)數(shù)據(jù)下載

ftp://ftp.ncbi.nih.gov/pub/taxonomy/

1. gi_taxid 標(biāo)識的數(shù)據(jù)

NCBI早在2016年已經(jīng)宣布逐漸停用，這部分信息不再關(guān)注

2. taxcat 標(biāo)識的數(shù)據(jù)

ncbi提供有不同格式的壓縮包，解壓后都只有一個categories.dmp文件。打開該文件，包含三列信息，三列代表的不同的分類層次。

  • 第一列：代表分類的頂級類別( top-level category )，字母分別代表不同分類名（古菌，細菌，真核生物，病毒和類病毒，未分類，其他）
A = Archaea
B = Bacteria
E = Eukaryota
V = Viruses and Viroids
U = Unclassified
O = Other

  • 第二列：相應(yīng)的物種級別( species-level )的taxid

  • 第三列：taxid本身

以尼安德特人（taxid：63221）為例, 查看categories.dmp文件（下面命令代表去categories文件中查找63221并顯示）:

cat categories.dmp | grep 63221

結(jié)果如下，第一行即為63221（taxid）代表尼安德特人：

我們現(xiàn)在可以描述尼安德特人（taxid：63221）屬于真核生物（E）里的智人（taxid：9606）類的一個分支。

3. taxdump 標(biāo)識的數(shù)據(jù)

同樣提供不同格式的壓縮包，解壓gunzip -c taxdump.tar.gz | tar xf -后包含7個文件:

（1）citations.dmp：與某個物種（taxid表示）的文獻信息

it_id ：the unique id of citation
cit_key：citation key
medline_id：unique id in MedLine database (0 if not in MedLine)
pubmed_id：unique id in PubMed database (0 if not in PubMed)
url：URL associated with citation
text ：any text (usually article name and authors)
：The following characters are escaped in this text by a backslash:
：newline (appear as “\n”),
：tab character ("\t"),
：double quotes (’"’),
：backslash character ("").
taxid_list：list of node ids separated by a single space
（2）names.dmp：存儲 taxid 對應(yīng)的物種名信息

  • tax_id：the id of node associated with this name
  • name_txt：name itself
  • unique name：the unique variant of this name if name not unique
  • name class：(synonym, common name, …)

（3）nodes.dmp：存儲 taxid對應(yīng)的多級節(jié)點信息

  • tax_id：node id in GenBank taxonomy database
  • parent tax_id：parent node id in GenBank taxonomy database
  • rank：rank of this node (superkingdom, kingdom, …)
  • embl code：locus-name prefix; not unique
  • division id：see division.dmp file
  • inherited div flag (1 or 0)： 1 if node inherits division from parent
  • genetic code id：see gencode.dmp file
    inherited GC flag (1 or 0)： if node inherits genetic code from parent
  • mitochondrial genetic code id： – see gencode.dmp file
  • inherited MGC flag (1 or 0)： – 1 if node inherits mitochondrial gencode
  • GenBank hidden flag (1 or 0) ： – 1 if name is suppressed in GenBank entry
  • hidden subtree root flag (1 or 0) ： – 1 if this subtree has no sequence data yet
  • comments：free-text comments and citations

（4）delnodes.dmp：已經(jīng)刪除不用的節(jié)點信息

（5）division.dmp：

  • division id：taxonomy database division id
  • division cde：GenBank division code (three characters)
  • division name：e.g. BCT, PLN, VRT, MAM, PRI…
    comments

（6）gencode.dmp：密碼子表信息

  • genetic code id：GenBank genetic code id
  • abbreviation：genetic code name abbreviation
  • name：genetic code name
  • cde：translation table for this genetic code
  • starts：start codons for this genetic code

（7）merged.dmp：記錄新taxid替換舊taxid的信息

  • old_tax_id：id of nodes which has been merged
  • new_tax_id：id of nodes which is result of merging

原文鏈接：https://blog.csdn.net/u011262253/article/details/95304930/

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容